
本课程为不熟悉 AI 和 PE 的初学者量身打造,它将是你完美的起点。然而即使你不是初学者,你仍然会在本课程中找到有价值的见解。本课程是目前最全面的提示工程课程,内容涵盖 AI 简介到高级 PE 技术。
课程哲学
本课程是开源的,由研究者、翻译人员和爱好者组成的多元化社区构建。我们相信每个人都可以使用人工智能,并且可以清楚客观地描述它。为此,我们努力制作一门全面而公正的课程,没有过多的行话和炒作。
我们的教学方式
我们教授提示工程的方法遵循以下原则:
快速迭代—由于新的PE内容几乎每天都会发布,我们将通过定期发布简明扼要的文章介绍新兴技术,以保持本课程的最新性。请告诉我们您希望我们进一步探讨的主题!
强调实用性——我们的重点是应用、实用的技术,你可以立即将这些技术融入你的项目和应用程序中。
可访问的示例—为了帮助您快速掌握技术,我们将在文章中提供清晰的示例。
协作学习——我们相信相互学习。如果您遇到不太理解的内容或发现错误,请通过创建GitHub 上的问题 告诉我们。你的反馈有助于我们改进课程。
如何阅读
无需按顺序阅读所有章节,随意探索您感兴趣的内容!如果您不熟悉 AI、机器学习和编程,我们建议您从基础知识部分和说明指南。对于那些已经熟悉这些概念的人来说,中级部分是深入了解和扩展知识的好地方。
文章评分系统
我们已经根据文章的难度级别和所需的编程知识范围实施了一个评分系统:
🟢 初学者友好,无需编程
🟦 简单,需要基本的编程知识,但不需要专业知识
◆ 中级,需要编程技能和一些领域知识(例如计算对数概率)
◆◆ 进阶,需要编程专业知识和深入的领域理解(例如强化学习技术)
请注意,即使是标记为 ◆ 和 ◆◆ 文章,通常您也可以理解其内容,而无需先前的领域专业知识,尽管这可能对实现有所帮助。
数据统计
相关导航


Generative AI for Beginners

大语言模型LLMBook

Openai Cookbook

LangGPT结构化提示词知识库

提示工程指南

大规模语言模型:从理论到实践
